Použití dalších heuristik

Transkript

1 Použití dalších heuristik zkracování cesty při FIND-SET UNION podle hodností Datové struktury... p[x] - předchůdce uzlu x MAKE-SET(x) p[x] := x hod[x] := 0 hod[x] - hodnost (aprox. výšky) UNION(x,y) LINK(FIND-SET(x), FIND-SET(y)) Množinové rozklady - odst. 5.2 TI 7 / 1

2 LINK(x,y) if hod[x] > hod[y] then p[y] := x else p[x] := y if hod[x] = hod[y] then hod[y] := hod[y] + 1 FIND-SET(x) if x p[x] then p[x] := FIND-SET(p[x]) return p[x] Složitost m operací MAKE-SET, FIND-SET, UNION, když MAKE-SET je přesně n: O(m. lg* n) Množinové rozklady - odst. 5.2 TI 7 / 2

3 Minimální kostry?jaká kostra je minimální? Každá má U -1 hran? G = H,U souvislý NG s nezáporným ohodnocením hran w: H R +, kostra T = H v,u taková, že w(h) (součet přes h H v ) je minimální?jak poznáme minimální kostru? prohledáme všechny kostry grafu??? uhádneme kostru a ověříme její minimálnost (JAK?) V: Kostra T grafu G je minimální, pro každou tětivu t je w(t) max w(h) pro h K (K je jediná kružnice v T {t}) Minimální kostry - odst. 5.3 TI 7 / 3

4 ?Praktické možnosti? Hledání minimální kostry odebírat hrany z původního grafu??? najít lib. kostru a postupně ji upravovat??? vytvářet minimální kostru přidáváním hran!!! Generický algoritmus GENERIC-MST(G,w) T := while T netvoří kostru do najdi vhodnou hranu [u,v] pro T T := T {[u,v]} return T TOHLE je problém Minimální kostry - odst. 5.3 TI 7 / 4

5 ?Jak hledat tu správnou hranu pro přidání do kostry? V: Nechť P je podstrom vytvořené části minimální kostry grafu G, [p,q] je hrana taková, že - p P, q P - w([p,q]) = min w(u,v) pro všechny hrany [u,v], u P, v P Pak lze hranu [p,q] přidat k minimální kostře. P G-P Minimální kostry - odst. 5.3 TI 7 / 5

6 Borůvkův - Kruskalův algoritmus KB-MST(G, w) 1 T:= 2 for každý uzel u U do MAKE-SET(u) 3 uspořádej H do neklesající posloupnosti podle váhy w 4 for každou hranu [u,v] H v pořadí neklesajících vah 5 do if FIND-SET(u) FIND-SET(v) 6 then T := T {[u,v]} 7 UNION(u,v) 8 return T O( H.lg H )řazení, O( H. lg* U ) množiny Borůvka a Jarník - odst. 5.4 TI 7 / 6

7 Jarníkův - Primův algoritmus JP-MST(G, w, r) 1 Q := U 2 for každý uzel u Q do d[u] := 3 d[r] := 0; p[r] := nil 4 while Q do 5 u := EXTRACT_MIN(Q) 6 for každý uzel v Adj[u] do 7 if (v Q) and (w(u,v) < d[v]) 8 then p[v] := u; d[v] := w(u,v) POZOR! SLOŽITÉ O( U ) + O( U. lg U ) + O( H. lg U ) Borůvka a Jarník - odst. 5.4 TI 7 / 7

8 Požadavky na úlohu Hladové algoritmy vlastnost hladového výběru - výběr podproblému a pak jeho řešení optimální podstruktura - optimální řešení problému obsahuje optimální řešení podproblému Stromy s minimální w-délkou Známe tvar stromů s optimální vnější/vnitřní délkou.? Jak to bude při rozdílných vahách jednotlivých uzlů? Pravidelný kořenový strom T u s ohodnocením uzlů w i = w(u i ) vnější w-délka E w (T u ) = w i. hl(u i ) Huffmanovo kódování - odst. 5.5 TI 7 / 8

9 Huffmanův algoritmus E w = Huffman(w,n) 1 for i:=1 to n do u:=makenode(wi); Insert(u,Q) 2 for i:=1 to n-1 3 do x:=extractmin(q); y:=extractmin(q) 4 z:=makenode(w[x]+w[y]); left[z]:=x; right[z]:=y; 5 Insert(z,Q) 6 return ExtractMin(Q) Huffmanovo kódování - odst. 5.5 TI 7 / 9

10 Aplikace - generování optimálního prefixového kódu prefixový kód - žádné slovo není prefixem jiného slova Jsou dány znaky a jejich četnosti (absolutní/relativní) v textu znak A B C D E F G H I J četnost E:37 A:52 42 C:18 D:13 21 E: B:5 F:4 5 J:7 Huffmanovo kódování - odst. 5.5 G:2 H:3 TI 7 / 10

11 Nejkratší cesty z jednoho uzlu Několik obecných úvah Uvažujeme nejobecnější případ - ohodnocené OG nedostupné uzly - vzdálenost + spojení se záporným cyklem - vzdálenost - počítání s nekonečny: a + (- ) = (- ) + a = - pro a a + = + a = pro a -? Které vlastnosti 0 až 4 má taková vzdálenost? V: Pro libovolnou hranu (u,v) H a uzel s U platí d w (s,v) d w (s,u) + w(u,v) Nejkratší cesty - odst. 6.1 TI 7 / 11

12 Varianty úlohy hledání nejkratších cest n n 1 n n Datové struktury d[u] délka cesty Inicializace InitPaths(G,s,w) 1 for každý uzel u U 2 do d[u]:= ; p[u]:=nil 3 d[s]:=0 p[u] předchůdce na min. cestě Q fronta otevřených uzlů (halda?) Nejkratší cesty - odst. 6.1 TI 7 / 12

13 Relaxace - (případná) úprava délky nalezené nejkratší cesty Relax(u,v,w) 1 if d[v] > d[u]+w(u,v) 2 then d[v]:= d[u]+w(u,v); p[v]:=u V: Provedeme InitPaths a pak libovolný počet Relax. Potom platí d[u] d w (s,u) jakmile d[u] dosáhne hodnoty d w (s,u), už se nemění jakmile se žádné d[u] nemění, máme strom nejkratších cest do všech dosažitelných uzlů z uzlu s? V jakém pořadí hran a jak dlouho máme provádět relaxaci? Nejkratší cesty - odst. 6.1 TI 7 / 13

14 Dijkstrův algoritmus Základní předpoklad w : H R + Upravený algoritmus prohledávání do šířky Dijkstra(G,s,w) 1 InitPaths(G,s) 2 S:= ; InitQueue(Q) 3 for každý uzel u U do Enqueue(Q,u) O( U ) 4 while not EmptyQueue(Q) 5 do u:=extractmin(q); S:=S {u} O( U. lg U ) 6 for uzel v Adj[u] 7 do Relax(u,v,w) O( H. lg U ) Možné ještě O( U. lg U + H ) nebo O( U **2) Dijkstrův algoritmus - odst. 6.2 TI 7 / 14

15 Bellmanův-Fordův algoritmus? Co dělat v případě záporně orientovaných hran? Bellman-Ford(G,s,w) 1 InitPaths(G,s) 2 for i:=1 to U -1 do 3 for každou hranu (u,v) H do Relax(u,v,w) 4 for každou hranu (u,v) H 5 do if d[v] > d[u] + w(u,v) then return false 6 return true Složitost O( U. H )? Proč má nyní Relax konstantní časovou složitost? Bellman-Ford algoritmus - odst. 6.3 TI 7 / 15

16 ? Nelze B-F algoritmus nějak upravit / zrychlit? Co když zavedeme frontu uzlů s úspěšným Relax a bereme jen hrany vycházející z těchto uzlů? ukončení - při vyprázdnění fronty problém - co když se fronta nevyprázdní? v nejhorším případě zase O( U. H ) Nejkratší cesty pro acyklické grafy 1 Topologicky uspořádáme uzly grafu G 2 InitPaths(G,s) 3 for každý uzel u v pořadí podle topologického uspořádání 4 do for každé v Adj[u] 5 do Relax(u,v,w)?? Složitost?? Bellman-Ford algoritmus - odst. 6.3 TI 7 / 16